视频编辑方法、装置、电子设备以及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113613065A(43)申请公布日2021.11.05(21)申请号202110883507.6(22)申请日2021.08.02(71)申请人北京百度网讯科技有限公司地址100085北京市海淀区上地十街10号百度大厦2层(72)发明人马彩虹叶芷(74)专利代理机构中科专利商标代理有限责任公司11021代理人王江选(51)Int.Cl.H04N21/44(2011.01)H04N21/4402(2011.01)H04N21/84(2011.01)H04N21/845(2011.01)权利要求书4页说明书13页附图4页(54)发明名称视频编辑方法、装置、电子设备以及存储介质(57)摘要本公开提供了视频编辑方法、装置、电子设备以及存储介质，涉及人工智能技术领域，尤其涉及深度学习和视频分析领域。具体实现方案为：根据与视频正片包括的至少一个事件场景各自的第一部分帧相对应的第一帧信息，对每个事件场景进行分类处理，得到场景分类结果；在场景分类结果表征与场景分类结果相对应的目标事件场景为片段切分点的情况下，根据目标事件场景的起始时间信息，将视频正片拆分为至少一个视频片段，其中，每个视频片段中包括至少一个事件场景；以及基于至少一个视频片段进行视频编辑操作。CN113613065ACN113613065A权利要求书1/4页1.一种视频编辑方法，包括：根据与视频正片包括的至少一个事件场景各自的第一部分帧相对应的第一帧信息，对每个所述事件场景进行分类处理，得到场景分类结果；在所述场景分类结果表征与所述场景分类结果相对应的目标事件场景为片段切分点的情况下，根据所述目标事件场景的起始时间信息，将所述视频正片拆分为至少一个视频片段，其中，每个所述视频片段中包括至少一个所述事件场景；以及基于所述至少一个视频片段进行视频编辑操作。2.根据权利要求1所述的方法，所述基于所述至少一个视频片段进行视频编辑操作包括：从所述至少一个视频片段中确定目标视频片段；根据所述目标视频片段中的人物特征和文本特征，确定所述目标视频片段的标识信息；根据所述目标视频片段的文本特征确定所述目标视频片段的摘要信息；从所述目标视频片段中确定与所述摘要信息相关的目标镜头；根据所述摘要信息确定所述目标视频片段的标题信息；以及根据所述标识信息、所述摘要信息、所述目标镜头和所述标题信息，生成与所述目标视频片段相对应的解说视频。3.根据权利要求2所述的方法，其中，所述文本特征包括所述目标视频片段中的台词文本；所述根据所述目标视频片段的文本特征确定所述目标视频片段的摘要信息包括：确定所述文本特征中各台词文本的生成者标识；以及对以所述生成者标识标记的各台词文本进行信息提取，得到所述摘要信息。4.根据权利要求2所述的方法，其中，所述文本特征包括所述目标视频片段中的台词文本；所述从所述目标视频片段中确定与所述摘要信息相关的目标镜头包括：确定对所述摘要信息进行语音播报的语音播报时长；确定与所述摘要信息相关联的至少一个台词文本；针对每个台词文本，确定与所述台词文本在时间上匹配的镜头片段，得到多个镜头片段；根据所述语音播报时长，从所述多个镜头片段中确定至少一个目标镜头片段，其中，所述至少一个目标镜头片段的总时长与所述语音播报时长相匹配；以及将所述至少一个目标镜头片段确定为所述目标镜头。5.根据权利要求1至4中任一所述的方法，还包括：根据与视频正片包括的至少一个镜头各自的第二部分帧相对应的第二帧信息，对每个所述镜头进行分类处理，得到每个所述镜头的镜头分类结果；在所述镜头分类结果表征与所述镜头分类结果相对应的目标镜头为场景切分点的情况下，根据所述目标镜头的起始时间信息，将所述视频正片拆分为所述至少一个事件场景，其中，每个所述事件场景中包括至少一个所述镜头。6.根据权利要求5所述的方法，还包括：针对每个所述事件场景：获取所述事件场景包括的每个目标镜头对应的第三部分帧；2CN113613065A权利要求书2/4页对所述第三部分帧中的每个帧进行特征提取，得到第一特征提取结果；以及根据所述第一特征提取结果确定所述事件场景的场景标签。7.根据权利要求5或6所述的方法，还包括：针对每个所述镜头：获取所述镜头对应的第四部分帧；对所述第四部分帧中的每个帧进行特征提取，得到第二特征提取结果；以及根据所述第二特征提取结果确定所述镜头的镜头标签。8.根据权利要求1至7中任一所述的方法，还包括：在检测到第一目标视频帧序列的情况下，确定所述第一目标视频帧序列为初始视频的片头或片尾的视频帧序列，其中，所述第一目标视频帧序列中包括字幕位于视频帧画面的第一位置的视频帧；在检测到第二目标视频帧序列的情况下，确定所述第二目标视频帧序列为所述初始视频的片头或片尾的视频帧序列